Как использовать функции SIFT для мешка слов в opencv?

Question

Я прочитал много статей о реализации мешка слов после принятия просеивающих функций изображения, но я все еще смущен, что делать дальше. Что я конкретно делаю?

Благодарим вас за руководство.

Это код, который у меня есть до сих пор.

cv::Mat mat_img = cropped.clone(); 
Mat grayForML; 
cvtColor(mat_img, grayForML, CV_BGR2GRAY); 
IplImage grayImageForML = grayForML.operator IplImage(); 


//create another copy of iplGray 
IplImage *input = cvCloneImage(&grayImageForML); 
Mat matInput = cvarrToMat(input); 
// Mat matInput = copy_gray.clone(); 
cv::SiftFeatureDetector detector; 
std::vector<cv::KeyPoint> keyPoints; 
detector.detect(input, keyPoints); 
//add results to image and save. 
cv::Mat output; 
cv::drawKeypoints(input, keyPoints, output); //SIFT OUTPUT RESULT 


//resize and display 
cv::Mat output_reduced; 
cv::resize(output, output_reduced, cv::Size2i(output.cols/2, output.rows/2)); 


imshow("SIFT result", output_reduced); 

Answer 1

физкультура мешок слов системы выглядит следующим образом:

1. Compute функции для каждого изображения обучающего набора
2. кластера те особенности
3. Этикетка каждого кластера с изображениями, которые имеют функции в этом кластере

На этом этапе обучение проводится, и вы можете начать с testi нг следующим образом:

1. Compute особенность тестового изображения
2. Для каждой функции, найти ближайший кластер
3. Добавить галочку для каждого обучающего изображения, которые принадлежат к этой группе
4. Повторите для всех функций испытательное изображения
5. изображения, которое имеет наибольшее количество клещей лучший матч, и изображение со вторым наибольшим количеством тиков является вторым лучшим матчем и так далее

Как вы можете заметить, нет ограничений на использование SIFT. Вы можете попробовать различные экстракторы и дескрипторы.